Libelium
Libelium diseña y desarrolla soluciones IoT para ayudar a las ciudades a ser más sostenibles, resilientes y datocratizadas.
Aporta soluciones de monitorización y gestión eficiente de recursos para parques y jardines, aparcamiento y calidad del aire.
Incorpora Inteligencia Artificial para extraer del dato toda la información que permita a la administración pública no sólo acometer con éxito los retos actuales sino aprender y predecir los futuros.
Esto aporta un ahorro de dinero y consolida sus decisiones frente a los stakeholders (ciudadanos, proveedores, oposición) al asegurarse que sus decisiones están basadas en los mejores datos.
Datos de la empresa
Año de fundación
2006
NIF/CIF
B99135832
Certificaciones
Nº de Empleados
88
Public Readiness (Tracción pública)
Valor total de contratos adjudicados (último año)
€
Clientes públicos destacados
SARGA, Diputación de Badajoz, Junta de Andalucía (Agencia de Medio Ambiente), Diputación de Ávila, Ministerio de Ciencia (Gran Telescopio Canarias), Generalitat de Catalunya, Ayuntamiento de Gijón, Universidad Politécnica de Madrid, INECO, Ayuntamiento de Valencia.
Vendor Trust (Solvencia económica)
Facturación (último año)
€
Inversión levantada acumulada
€
Contrato mayor valor en los últimos 3 años
€
Inversores
Axon Partners Group, Kira Ventures.
Ecosistema
Premios
- Talento Empleo Aragón 2024 - Categoría de Pequeñas y Medianas Empresas, otorgado por el Grupo San Valero.
- Joven Empresario - Concedido por la Confederación Española de Asociaciones de Jóvenes Empresarios (CEAJE).
- Rey Jaime I al Emprendimiento - Recibido por la CEO y cofundadora Alicia Asín.
- Premio Europeo para Mujeres Innovadoras - Otorgado por el Consejo de Europa a Alicia Asín.
- ZIP 2007 - Concedido por la Diputación Provincial de Zaragoza a David Gascón, Director de I+D de Libelium.
Aceleradoras
Datos de la empresa
Gestión inteligente de la calidad del aire
Problema
- Infrautilización de datos de sensores: aunque las redes miden la contaminación, menos del 15 % de la información se utiliza en la planificación urbana.
- Falta de modelos predictivos en el diseño de políticas: las ZBE se plantean con incertidumbre, lo que puede generar inequidades o resistencia social.
- Falta de interoperabilidad institucional: la desconexión entre departamentos dificulta la toma de decisiones coordinadas y la gobernanza.
- Déficit de transparencia y participación ciudadana: los sistemas actuales no permiten visualizar de forma clara el impacto de las medidas propuestas.
Solución
- Recopilación de datos en tiempo real: permitió integrar información de sensores de movilidad, cámaras de tráfico, calidad del aire y ruido para comprender las condiciones ambientales y su evolución.
- Simulación con inteligencia artificial y modelos de dispersión: permitió predecir el comportamiento de contaminantes bajo distintas condiciones urbanas y climáticas.
- Mapas de calor e informes comparativos: permitió visualizar escenarios a nivel hiperlocal y seleccionar las medidas más eficaces para ZBE.
- Simulación con gemelos digitales: permitió modelar distintos escenarios de gestión ambiental, incluyendo restricciones según normativas de movilidad y calidad del aire.
- Seguimiento y validación continua: permitió verificar el impacto real de las medidas adoptadas y ajustar decisiones de forma ágil en cada fase.

Monitoreo de la calidad del agua
Problema
- Supervisión manual ineficiente de la calidad del agua: los procesos actuales generan retrasos y baja fiabilidad en parámetros críticos como pH, oxígeno o turbidez.
- Falta de escalabilidad de las infraestructuras: los sistemas tradicionales no permiten monitorizar de forma eficiente cuencas amplias o acuíferos en tiempo real.
- Imposibilidad de activar alertas tempranas: sin automatización ni conectividad continua, no es viable anticipar incidencias.
- Fragmentación del análisis en silos: la información no se comparte entre departamentos, dificultando acciones coordinadas.
- Déficit de transparencia hacia la ciudadanía: la falta de datos accesibles limita la confianza institucional.
Solución
- Despliegue de nodos IoT Smart Water: permitió medir parámetros clave (pH, ORP, oxígeno disuelto, conductividad, turbidez) asegurando cobertura amplia y continua.
- Gateways Meshlium y conectividad M2M/Sigfox/3G/LoRa: permitió automatizar el envío de datos a la plataforma central, eliminando la dependencia de operarios.
- Visualización y alertas en tiempo real: permitió detectar anomalías de forma inmediata y generar avisos automáticos a los responsables.
- Análisis con IA y gemelos digitales: permitió modelizar escenarios futuros, predecir episodios de contaminación y apoyar la toma de decisiones informadas.

